ICML 2026：扩散语言模型自感知调度推理方法SAS
furongh · x · 2026-07-06
研究者在ICML 2026发表论文，提出Self-Aware Scheduling（SAS）方法，针对扩散语言模型的推理优化。核心问题是：与其让模型「思考更长」，不如让模型知道「先确定哪个token」。
SAS通过在扩散LM中引入自感知调度机制，使模型能动态决定token生成顺序，从而提升推理质量。这一方向不同于主流的CoT/长思维链路线，为LLM推理提供了一种扩散模型视角的新解法。
所属事件:ICML 2026论文SAS:优化扩散语言模型的思维调度(15 条相关)→
「研究」频道最新
- 研究发现:提速后模仿学习灵巧操作比专家退化更严重 — UMCP · 2026-09-03
- Meta 提出 Switch Distillation:中训练蒸馏保推理不伤事实回忆 — meta · 2026-09-03
- Sebastian Raschka 拆解 The Information 的 OpenAI Astra「循环Transformer」传闻 — rasbt · 2026-09-03
- 技术圈质疑 Astra 循环架构:最可能只是每层跑两遍的调度 — mike64_t · 2026-09-03
- 研究者入选 Cosmos 计划，三个月攻关 LLM 思维忠实性 — hunarbatra · 2026-09-03
- Video Delta Net 让开源视频生成提速 75–90 倍，14 秒视频 11 秒生成 — xiuyu_l · 2026-09-03